Кафедра авіоніки та систем управління

Permanent URI for this communityhttp://er.nau.edu.ua/handle/NAU/58724

News

Відповідальний за розділ: Провідний фахівець кафедри авіоніки та систем управління Шугалєй Людмила Петрівна. E-mail: shugaley.lyudmyla@npp.kai.edu.ua

Browse

Browsing Кафедра авіоніки та систем управління by Subject "004.8:004.932:616.711(045)"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    BAFUNet: Hybrid U-Net for Segmentation of Spine MR Images
    (State University "Kyiv Aviation Institute", 2024) Sineglazov Victor; Chumachenko Olena; Pokhylenko Oleksandr
    The paper presents the development of a hybrid neural network architecture, BAFUNet, designed for the segmentation of spine MR images in the context of medical diagnostics. The architecture builds upon the classical U-Net, integrating atrous spatial pyramid pooling module in the bottleneck and a two-round fusion module in the skip connections to address challenges such as various object scales and unclear boundaries in medical images. The work describes the design of the proposed BAFUNet architecture, its implementation, and the experimental results. A comparative analysis was performed against classical U-Net and ResUNet++, demonstrating the relationship between the proposed architectural enhancements and segmentation performance. The evaluation was carried out using Dice score and Jaccard score metrics on the SPIDER dataset, a publicly available lumbar spine magnetic resonance imaging dataset. The results indicate that the BAFUNet architecture achieves a slight but consistent improvement in segmentation performance, with an average Dice Score increase of 0.003–0.005 compared to baseline models, highlighting its potential applicability in automated medical diagnostics. В роботі представлено розробку гібридної архітектури нейронної мережі BAFUNet, призначеної для сегментації МРТ-зображень хребта в контексті медичної діагностики. Архітектура заснована на класичній мережі U-Net, і включає модуль розширеного просторового пірамідального об’єднання у вузькому місці та двораундовий модуль злиття у пропускних з’єднаннях для вирішення таких проблем, як різні масштаби об’єктів і нечіткі межі на медичних зображеннях. У роботі описано дизайн запропонованої архітектури BAFUNet, її реалізацію та експериментальні результати. Було проведено порівняльний аналіз із класичною U-Net і ResUNet++, що продемонструвало зв’язок між запропонованими архітектурними вдосконаленнями та ефективністю сегментації. Оцінку було проведено за допомогою коефіцієнту подібності Дайса та індексу Жаккара на наборі даних SPIDER – загальнодоступному наборі даних магнітно-резонансної томографії поперекового відділу хребта. Результати показують, що архітектура BAFUNet досягає незначного, але постійного покращення продуктивності сегментації, із збільшенням середнього коефіцієнту Дайса на 0,003–0,005 порівняно з базовими моделями, що підкреслює потенційну можливість її застосування в автоматизованій медичній діагностиці.